探索性图分析与因子分析

课程简介

探索性图论分析(Exploratory Graph Analysis, EGA) 是一种基于网络模型的统计方法，用于探索多变量数据的潜在结构。EGA 通过估计变量之间的关系网络，从而帮助研究者识别数据中的潜在维度或因子结构。在这一部分的内容中，还包括了基于Monte Carlo方法计算网络分析中的被试量。

适合人群

• 心理学、医学、社会科学专业的研究生和科研人员；
• 有基础统计知识（相关、回归、因子分析），想进阶复杂数据方法的学习者。

学习内容

• 症状网络的基本概念：节点、连边；
• 探索性图分析和因子分析的联系与区别；
• 社区探索中的测量不变性；
• 探索性图论分析中的拟合指标计算；
• 基于Monte Carlo方法计算网络分析中的被试量。

资料包含

• 课程回放和PPT；
• R语言代码（可直接运行，含注释）；
• 示例数据集；